R 的 future 包（异步与并行）

1. 为什么要用 future？

• 写一次代码，只改 plan() 就能在 顺序、本地并行、集群 等环境切换；

• 支持异步：多个任务同时启动，之后再收集结果；

• 有丰富生态：future.apply, furrr, doFuture 等。

它的目标就是——把并行/异步计算写得像普通 R 代码一样自然。

2. 核心概念

• future：一个“将在未来完成的计算”。

• plan()：设定执行策略（sequential, multisession, multicore, cluster）。

• value()：提取结果，必要时会阻塞。

• resolved() / status()：检查是否完成、返回状态。

• %<-%：future assignment 操作符，用来更简洁地“绑定”一个 future 结果。

3. 两种方式创建 future

3.1 用 future() 明确创建对象

3.2 用 %<-% 异步赋值

• future() → 得到一个 Future 对象，之后要显式 value(f)。

• %<-% → 得到的是结果的“占位符”，访问时才会触发计算完成。

4. 进阶用法

4.1 变量隔离

4.2 进程 PID

4.3 批量并行

• future.apply

• furrr

• doFuture + foreach

5. 常见陷阱

6. 调试技巧

• 开发阶段用 plan(sequential)，方便定位错误。

• 在 future 内多写 message()，方便追踪。

• 用 resolved() 检查任务是否完成。

• 用 Sys.getpid() 确认代码跑在哪个进程。

7. 总结

• future 提供统一的并行/异步抽象，核心就是 future() + plan()。

• %<-% 让写法更自然，像“异步赋值”。

• 它能无缝结合 apply、purrr、foreach，覆盖大部分常见场景。

• 调试时注意平台差异（Windows / Unix）、随机数、内存。

7. 典型使用场景

1. 长耗时计算 → 不想阻塞

2. 独立任务的批量并行
• 模拟数据、重复实验、bootstrap
• 图像/文件批量处理

3. 管道/函数式写法下的并行
• 和 purrr 结合 → furrr::future_map
• 在 tidyverse 流程里透明地切换并行

4. 已有 foreach 代码迁移
• 用 doFuture 替代原本的后端（如 doParallel），只需改一行 registerDoFuture()。

5. 跨平台脚本
• 在 Windows / Linux 都能运行相同代码，只需设置不同 plan。

8. 总结

• 核心理念：统一 API，把并行/异步写得和普通 R 代码一样自然。

• 什么时候用？
• 需要同时跑多个独立任务（模拟、批处理、bootstrap）。
• 想在 Windows / Linux 跨平台复用同一份代码。
• 不想被某个后端绑定，未来可能切换到集群/远程计算。
• 想在 tidyverse 或 foreach 生态里无缝接入并行。

• 实践建议：
• 开发时用顺序 plan 调试；
• 投产时改为并行 plan；
• 注意内存和随机数重现性。

一句话记住：future 适合“独立任务 + 跨平台 + 想省心”的并行场景。